KorAP: Find »[drukola/base=factorial & drukola/pos=adjective]« with Poliqarp

<1 ...35 36 37 ...40 >

987 matches

Corola-publishinghouse/Science/797_a_1743

sau cazuri) necesari realizării unei analize factoriale este de minim cinci ori mai mare decît numărul de variabile observate analizate sau de minim 100 de subiecți (de regulă, sînt preferate loturi de peste 200 de subiecți). 2.Adecvarea variabilelor în modelul factorial. Această condiție se verifică prin trei metode: -Inspectarea vizuală a matricei corelațiilor dintre variabile; dacă nu există corelații (peste .30) între variabile sau anumite seturi de variabile, atunci analiza factorială nu este indicată. Ne așteptăm ca variabilele care corelează s.

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
loturi de peste 200 de subiecți). 2.Adecvarea variabilelor în modelul factorial. Această condiție se verifică prin trei metode: -Inspectarea vizuală a matricei corelațiilor dintre variabile; dacă nu există corelații (peste .30) între variabile sau anumite seturi de variabile, atunci analiza factorială nu este indicată. Ne așteptăm ca variabilele care corelează s. se regăsească în același factor, iar variabilele care nu corelează să se distribuie în factori diferiți. -Testul Barlett de sfericitate (rezultatele la acest test trebuie să fie semnificative). Dacă variabilele

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
matricea de corelații este o matrice-identitate, iar un rezultat semnificativ la acest test conduce la concluzia că matricea de corelații diferă de o matrice-identitate (ceea ce este de dorit). -Testul KMO (Kaiser-Meyer-Olkin) de măsurare a adecvării eșantionului de itemi pentru modelul factorial: valorile acestuia trebuie să fie peste .50, în caz contrar nefiind indicată aplicarea analizei factoriale. De altfel, valorile între .50 și .70 sînt considerate ca mediocre, valorile între .70 și .80 bune, valorile între .80 și .90 foarte bune, iar

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
concluzia că matricea de corelații diferă de o matrice-identitate (ceea ce este de dorit). -Testul KMO (Kaiser-Meyer-Olkin) de măsurare a adecvării eșantionului de itemi pentru modelul factorial: valorile acestuia trebuie să fie peste .50, în caz contrar nefiind indicată aplicarea analizei factoriale. De altfel, valorile între .50 și .70 sînt considerate ca mediocre, valorile între .70 și .80 bune, valorile între .80 și .90 foarte bune, iar valorile peste .90 superbe (Hutchenson și Sofroniou, 1999; apud Field, 2002). Testul KMO este calculat

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
pentru verificarea adecvării fiecărei variabile (Field, 2002). În ultimul caz, valorile KMO sînt de fapt coeficienții de pe diagonala principală a matricei antiimagine a corelațiilor, iar aceștia trebuie să fie peste .50 (în caz contrar, variabila respectivă trebuie înlăturată din modelul factorial și refăcută analiza factorială). 3.Evitarea multicoliniarității și a singularității (singularity). Multicoliniaritatea se referă la corelațiile foarte ridicate (peste .80 sau .90) între variabile, iar singularitatea se referă la variabilele perfect corelate. Verificarea acestei condiții se face prin calcularea determinantului

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
variabile (Field, 2002). În ultimul caz, valorile KMO sînt de fapt coeficienții de pe diagonala principală a matricei antiimagine a corelațiilor, iar aceștia trebuie să fie peste .50 (în caz contrar, variabila respectivă trebuie înlăturată din modelul factorial și refăcută analiza factorială). 3.Evitarea multicoliniarității și a singularității (singularity). Multicoliniaritatea se referă la corelațiile foarte ridicate (peste .80 sau .90) între variabile, iar singularitatea se referă la variabilele perfect corelate. Verificarea acestei condiții se face prin calcularea determinantului matricei de corelații, iar

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
4.Existența unor relații liniare între variabilele observabile. 5.Variabilele sînt măsurate prin scale Likert, scale de intervale sau proporții. În cazul scalelor Likert, acestea trebuie să aibă același număr de trepte (de exemplu, nu putem folosi în aceeași analiză factorială variabile măsurate prin scale Likert în patru trepte alături de variabile măsurate prin scale Likert în șapte trepte). 6.Este presupusă existența unor variabile latente în spatele variabilelor manifeste analizate prin analiza factorială. În caz contrar, se aplică principiul GIGO (garbage in

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
trepte (de exemplu, nu putem folosi în aceeași analiză factorială variabile măsurate prin scale Likert în patru trepte alături de variabile măsurate prin scale Likert în șapte trepte). 6.Este presupusă existența unor variabile latente în spatele variabilelor manifeste analizate prin analiza factorială. În caz contrar, se aplică principiul GIGO (garbage in, garbage out); nu putem introduce un amalgam de variabile fără legătură teoretică între ele și să obținem un set de factori valizi. C12: Îmi este destul de ușor să-mi expun punctele

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
Îmi este destul de ușor să-mi expun punctele de vedere într-o conversație. C13: Cînd comunic îmi accentuez ideile prin voce, mimică sau gestică. C14: Intru în discuțiile cu ceilalți relativ ușor. Deschideți fișierul Analiza factoriala. Calea de obținere a analizei factoriale în SPSS este: Trecem itemii C1-C14 din partea stîngă în cîmpul din dreapta, Variables. Activăm butonul Descriptives. Opțiunile prezente aici ne permit verificarea condițiilor de aplicare ale analizei factoriale. În cîmpul Correlation Matrix bifăm opțiunile Coefficients (inspectăm matricea de corelații dintre variabile

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
discuțiile cu ceilalți relativ ușor. Deschideți fișierul Analiza factoriala. Calea de obținere a analizei factoriale în SPSS este: Trecem itemii C1-C14 din partea stîngă în cîmpul din dreapta, Variables. Activăm butonul Descriptives. Opțiunile prezente aici ne permit verificarea condițiilor de aplicare ale analizei factoriale. În cîmpul Correlation Matrix bifăm opțiunile Coefficients (inspectăm matricea de corelații dintre variabile - condiția 2, metoda 1), Determinant (verificăm multicoliniaritatea și singularitatea - condiția 3), KMO and Barlett’s test of sphericity (verificăm adecvarea variabilelor pentru analiza factorială - condiția 2, metodele

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
aplicare ale analizei factoriale. În cîmpul Correlation Matrix bifăm opțiunile Coefficients (inspectăm matricea de corelații dintre variabile - condiția 2, metoda 1), Determinant (verificăm multicoliniaritatea și singularitatea - condiția 3), KMO and Barlett’s test of sphericity (verificăm adecvarea variabilelor pentru analiza factorială - condiția 2, metodele 2și 3), Reproduced (verificăm adecvarea modelului factorial teoretic la modelul empiric; altfel spus, cît de bine sînt reprezentate variabilele noastre de numărul de factori extrași) și Anti-image (verificăm adecvarea fiecărui item pentru analiza factorială, condiția 2, metoda

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
Coefficients (inspectăm matricea de corelații dintre variabile - condiția 2, metoda 1), Determinant (verificăm multicoliniaritatea și singularitatea - condiția 3), KMO and Barlett’s test of sphericity (verificăm adecvarea variabilelor pentru analiza factorială - condiția 2, metodele 2și 3), Reproduced (verificăm adecvarea modelului factorial teoretic la modelul empiric; altfel spus, cît de bine sînt reprezentate variabilele noastre de numărul de factori extrași) și Anti-image (verificăm adecvarea fiecărui item pentru analiza factorială, condiția 2, metoda 3), apoi clic Continue. Activăm butonul Extraction. În cîmpul Method

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
variabilelor pentru analiza factorială - condiția 2, metodele 2și 3), Reproduced (verificăm adecvarea modelului factorial teoretic la modelul empiric; altfel spus, cît de bine sînt reprezentate variabilele noastre de numărul de factori extrași) și Anti-image (verificăm adecvarea fiecărui item pentru analiza factorială, condiția 2, metoda 3), apoi clic Continue. Activăm butonul Extraction. În cîmpul Method sînt prezentate diferite metode de extragere a factorilor, cele mai des utilizate fiind analiza în componente principale (Principal components analysis - PCA, opțiunea standard în SPSS) și factorizarea

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
atunci alegem rotația oblică Direct Oblimin, iar dacă factorii sînt necorelați, alegem rotația ortogonală Varimax. Cu toate acestea, în general, cercetătorii optează pentru rotația ortogonală Varimax; vom selecta și noi rotația Varimax, apoi clic Continue. Butonul Scores permite salvarea scorurilor factoriale în baza de date ca variabile (estimarea acestora se face prin una dintre cele trei metode prezente: Regression, Barlett și Anderson-Rubin), însă, în general, nu optăm pentru operarea cu scoruri factoriale, ci cu dimensiuni sumate (se adună itemii corespunzători factorului

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
Varimax, apoi clic Continue. Butonul Scores permite salvarea scorurilor factoriale în baza de date ca variabile (estimarea acestora se face prin una dintre cele trei metode prezente: Regression, Barlett și Anderson-Rubin), însă, în general, nu optăm pentru operarea cu scoruri factoriale, ci cu dimensiuni sumate (se adună itemii corespunzători factorului respectiv și se opține un scor). În cazul nostru, dacă vom reține trei factori, vom aduna itemii corespunzători dimensiunii comunicare verbală, apoi pe cei corespunzători dimensiunii comunicare gestuală, iar apoi pe

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
a saturației lor în factor) și Suppress absolutes values less than, iar acolo vom trece .40 (pragul minim luat în calcul pentru saturațiile itemilor în factori este în general .30). Aceste opțiuni ne vor ajuta să vizualizăm mai bine soluția factorială găsită. Apoi clic Continue și OK. Prezentăm mai jos rezultatele obținute. Tabelul Correlation Matrix prezintă matricea corelațiilor dintre variabile; observăm că există mai multe seturi de corelații peste .30 (condiția 2, metoda 1), deci este indicată aplicarea analizei factoriale. Ne

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
soluția factorială găsită. Apoi clic Continue și OK. Prezentăm mai jos rezultatele obținute. Tabelul Correlation Matrix prezintă matricea corelațiilor dintre variabile; observăm că există mai multe seturi de corelații peste .30 (condiția 2, metoda 1), deci este indicată aplicarea analizei factoriale. Ne așteptăm ca variabilele care corelează puternic să se regăsească în același factor, iar cele care nu corelează să se regăsească în factori diferiți. În partea din stînga jos, a tabelului este trecută valoarea determinantului, Determi nant= .000752 (E-04

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
001 și, prin urmare, matricea de corelații diferă semnificativ de matricea-identitate în care variabilele nu ar corela între ele, fiind adecvate pentru factorizare (condiția 2, metoda 2). Valoarea KMO = .817 caracterizează setul de variabile ca fiind foarte bun pentru analiza factorială (condiția 2, metoda 3). În tabelul Anti-image Matrices inspectăm jumătatea inferioară a tabelului, respectiv diagonala principală a cîmpului Anti-image Correlation; dacă pe această diagonală principală apar valori sub .50, atunci itemul căruia îi corespunde acea valoare are o slabă adecvare

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
metoda 3). În tabelul Anti-image Matrices inspectăm jumătatea inferioară a tabelului, respectiv diagonala principală a cîmpului Anti-image Correlation; dacă pe această diagonală principală apar valori sub .50, atunci itemul căruia îi corespunde acea valoare are o slabă adecvare pentru modelul factorial și trebuie înlăturat (condiția 2, metoda 3). În cazul nostru, observăm că pentru itemul C1 coeficientul este .862, pentru C2 este .830 etc., iar, cu excepția itemului C8 (al cărui coeficient este .659), toți itemii au coeficienți de adecvare la modelul

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
și trebuie înlăturat (condiția 2, metoda 3). În cazul nostru, observăm că pentru itemul C1 coeficientul este .862, pentru C2 este .830 etc., iar, cu excepția itemului C8 (al cărui coeficient este .659), toți itemii au coeficienți de adecvare la modelul factorial de peste .70, adică foarte buni. Tabelul Communalities prezintă în coloana Extraction comunalitățile corespunzătoare fiecărei variabile după extragerea celor trei factori. Comunalitatea unei variabile (notată h2) este pătratul coeficientului de corelație multiplă dintre variabilă și factori (R2 din regresia multiplă în

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
Astfel, în cazul itemului C1, comunalitatea este de .620, ceea ce înseamnă că cei trei factori extrași explică 62% din varianța itemului C1. Cu cît o variabilă are o comunalitate mai ridicată, cu atît tinde să fie mai potrivită pentru modelul factorial ales, însă criteriul principal în evaluarea păstrării variabilei în modelul factorial este coeficientul de saturație al acesteia în factori (saturație care trebuie să fie cît mai ridicată). Tabelul Total Variance Explained este unul dintre cele mai importante, deoarece conține valorile

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
că cei trei factori extrași explică 62% din varianța itemului C1. Cu cît o variabilă are o comunalitate mai ridicată, cu atît tinde să fie mai potrivită pentru modelul factorial ales, însă criteriul principal în evaluarea păstrării variabilei în modelul factorial este coeficientul de saturație al acesteia în factori (saturație care trebuie să fie cît mai ridicată). Tabelul Total Variance Explained este unul dintre cele mai importante, deoarece conține valorile eigenvalue 1 pentru fiecare factor, procentele de varianță explicată de fiecare

GHID PENTRU CERCETAREA EDUCATIEI. In: GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR (2009) [Corola-publishinghouse/Science/797_a_1743]
Corola-publishinghouse/Science/2236_a_3561

Cea mai importantă problemă a acestei dimensiuni este că diferențele dintre bunuri sunt destul de mari, astfel încât nu putem afirma că o persoană este în mod egal exclusă dacă nu are frigider sau dacă nu are mașină ori aspirator. Prin analiză factorială putem distinge între două tipuri de bunuri durabile: durabile de bază (aragaz, frigider) și durabile secundare (televizor color, mașină, aspirator, congelator etc.). De aceea, am ales un indicator pentru a măsura excluziunea de la bunuri durabile primare (lipsa frigiderului, ce poate

Sociologie românească (2005) [Corola-publishinghouse/Science/2236_a_3561]
Corola-publishinghouse/Science/2367_a_3692

stabile ale psihismului persoanei și de a se reduce domeniile la cât mai puține clase. Cattell a pornit de la 4.500 de termeni ce defineau trăsături, ajungând în final la 35 de variabile. S-a folosit metoda matematică a analizei factoriale pe care a utilizat-o și Guilford și, duă el, mulți alții. Dar esențială e implicarea limbajului în structurarea și dezvoltarea psihologiei trăsăturilor. Pe lângă faptul că toate „datele” privitoare la comportamentul persoanei se obțin prin limbaj - de exemplu, din cele

Tulburările de personalitate by Mircea Lăzărescu, Aurel Nireștean (2007) [Corola-publishinghouse/Science/2367_a_3692]
Dintre cele 35 de trăsături primare (sau de ordinul întâiă ale lui Allport, 23 măsoară normalitatea personalității, iar 12 măsoară dimensiunea patologică a acesteia. Aspectul deviant, exagerat sau anormal a fost în atenția tuturor demersurilor din această direcție. Prin analiză factorială se ajunge și la trăsăturile de cel de-al doilea nivel. O persoană dată se caracterizează printr-o anumită configurație a trăsăturilor primare, ceea ce se poate obține prin chestionarul 16PF elaborat de Cattel. Preocuparea față de trăsături nu ignoră o anumită

Tulburările de personalitate by Mircea Lăzărescu, Aurel Nireștean (2007) [Corola-publishinghouse/Science/2367_a_3692]